當前，智慧製造已成為電子/PCBA 行業發展的重要趨勢，對檢測技術的精度和效率提出了更高要求。微鏈道愛憑藉其創新性的 3D AI AOI 裝置，為解決 BGA 空洞檢測難題提供了有效途徑。
在智慧製造蓬勃發展的大背景下，電子/PCBA 行業正面臨著轉型升級的關鍵時期。市場對電子產品的質量和效能要求日益嚴苛，這使得生產過程中的檢測環節變得尤為重要。以某頭部電子廠商為例，其 PCBA 生產線上主要負責各類電子產品印刷電路板的生產。在 BGA（球柵陣列封裝）焊接工序中，BGA 焊點的質量直接影響著電路板的效能和可靠性。因此，對 BGA 焊點中的空洞缺陷進行精準檢測，成為了保障產品質量的關鍵環節。
痛點：為什麼難
傳統的 2D 光學檢測方法在檢測 BGA 空洞時面臨著諸多困境。從量化資料來看，其漏檢率較高，約為 3%。這意味著部分有缺陷的產品可能會流入後續工序，從而增加了產品的返修率和生產成本。例如，一個批次生產 1000 塊電路板，按照 3%的漏檢率，就會有 30 塊帶有 BGA 空洞缺陷的電路板進入下一工序，後續的返修工作將耗費大量的人力和物力。
誤報率也是傳統檢測方法的一大痛點。傳統 2D 光學檢測的誤報率達到了 20%，大量的誤報資訊需要人工進行復檢，這不僅浪費了大量的人力和時間，還降低了生產效率。假設一個檢測工位每天需要檢測 500 個產品，按照 20%的誤報率，就會有 100 個產品需要人工複檢，這無疑給質檢人員帶來了巨大的工作壓力。
此外，在產品換型時，傳統檢測裝置也表現出明顯的不足。其程式設計和除錯時間較長，約需 30 分鐘。在當今追求高效生產的時代，這 30 分鐘的時間浪費嚴重影響了生產線的整體效率。之所以會出現這些問題，根源在於 2D 光學檢測方法只能獲取物體表面的二維影象資訊，無法準確反映物體的三維結構和深度資訊，對於隱藏在焊點內部的空洞缺陷難以準確識別。
技術原理
微鏈道愛的 3D AI AOI 裝置採用自研的 3D 相機進行成像，其核心原理基於結構光三維測量技術。該技術透過投射特定的結構光圖案到檢測物件表面，然後利用相機捕捉反射光的變形情況。根據三角測量原理，裝置可以計算出物體表面各點的三維座標，從而實現三維形貌重建，生成點雲資料。
與傳統的 2D 光學檢測方法相比，3D 資料能夠提供更豐富的資訊。它可以從多個角度觀察焊點，準確判斷空洞的存在和大小，有效克服了 2D 光學檢測的侷限性。同時，裝置採用 2D-3D 融合技術，將 2D 影象的紋理資訊和 3D 點雲的幾何資訊相結合，進一步提高了檢測的準確性。在演算法層面，裝置利用深度學習演算法對大量的樣本資料進行訓練，不斷最佳化模型的特徵認知能力，使其能夠快速、準確地識別 BGA 空洞等缺陷。
典型應用場景
- BGA 空洞檢測：這是該裝置的主要應用場景之一。檢測時，裝置透過 3D 成像和 2D-3D 融合技術，從多個角度獲取焊點的資訊，準確識別空洞的位置和大小。難點在於空洞可能隱藏在焊點內部，2D 光學檢測難以發現，而 3D AI AOI 裝置利用其先進的技術能夠有效解決這一問題。
- 隱藏焊點檢測：部分焊點可能被其他元件遮擋，傳統 2D 檢測方法無法檢測到。3D AI AOI 裝置透過三維形貌重建，可以從不同角度觀察焊點，發現隱藏的焊點缺陷。難點在於如何準確識別被遮擋部分的焊點特徵，裝置透過深度學習演算法對大量樣本進行學習，提高了識別的準確性。
- 共面度檢測：BGA 焊點的共面度對電路板的效能有重要影響。裝置透過 3D 點雲資料計算焊點的高度資訊，判斷其是否符合共面度要求。難點在於需要高精度的測量和計算，裝置的自研 3D 相機和先進演算法能夠保證檢測的精度。
- 微米級形貌檢測：對於一些微小的形貌缺陷，傳統檢測方法難以檢測到。3D AI AOI 裝置能夠檢測到微米級的形貌變化，透過對 3D 點雲資料的分析，準確識別微小缺陷。難點在於對微小特徵的識別和區分，裝置透過細粒度標籤學習，提高了對微小缺陷的檢測能力。
- 氣孔檢測：焊點中的氣孔會影響電路板的電氣效能。裝置利用 3D 成像技術觀察焊點內部的情況，檢測氣孔的存在。難點在於氣孔可能較小且不規則，裝置透過深度學習演算法對氣孔的特徵進行學習，提高了檢測的準確性。
落地案例
某大型電子製造企業，在其 PCBA 生產線上承擔著大量電子產品印刷電路板的生產任務。為了提高產品質量和生產效率，該企業引入了微鏈道愛的 3D AI AOI 裝置。在上線過程中，微鏈道愛專業的技術團隊對裝置進行了安裝除錯，並對企業的操作人員進行了系統培訓。經過一段時間的試執行，裝置正式投入使用。
使用微鏈道愛的 3D AI AOI 裝置後，該企業的 BGA 空洞檢測效果得到了顯著提升，生產效率大幅提高。
微鏈道愛解決方案與產品
以 3D AI AOI 裝置為核心，微鏈道愛為電子廠商提供了完整的檢測解決方案。該裝置具備高精度的檢測能力，能夠實現對 BGA 空洞的準確檢測。其自研的 3D 相機和三維形貌重建技術，能夠有效克服 2D 光學檢測的侷限性，檢測出隱藏的缺陷。
在落地過程中，配套使用 DaoAI AI AOI 軟體系統。該系統支援一塊良品 5 分鐘 0 程式碼自動程式設計，透過 APDT 正樣本/少樣本學習（僅需 1-20 張良品），能夠快速適應不同產品的檢測需求，大大縮短了換型時間。同時，系統的語義誤報過濾功能能夠有效降低誤報率。
量化成效
使用微鏈道愛的 3D AI AOI 裝置後，該電子廠商的 BGA 空洞檢出率提高到了 99.2%，漏檢率降低到了 <0.8%。誤報率降低了 -65%，大大減少了人工複檢的工作量。產品換型時間從原來的 30 分鐘縮短到了 5 分鐘，生產效率得到了顯著提升。
常見問題
3D AI AOI 裝置能否檢測其他型別的 BGA 缺陷？
可以。該裝置不僅能檢測 BGA 空洞，還可檢測隱藏焊點、共面度、微米級形貌等 2D 光學盲區的缺陷。透過 2D-3D 融合技術和深度學習演算法，裝置能夠獲取更豐富的資訊，提高檢測的全面性和準確性。
使用 DaoAI AI AOI 軟體系統對操作人員的技術要求高嗎？
不高。系統支援一塊良品 5 分鐘 0 程式碼自動程式設計，透過 APDT 正樣本/少樣本學習，僅需 1-20 張良品即可。這使得操作人員即使沒有深厚的程式設計知識，也能快速上手操作，適應不同產品的檢測需求。
3D AI AOI 裝置的維護複雜嗎？
不復雜。裝置的設計考慮了維護的便利性，其硬體結構合理，軟體系統具有自我診斷功能。同時，微鏈道愛提供專業的售後服務，定期對裝置進行維護和升級，確保裝置始終保持良好的執行狀態。
本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。